基于反射强度的改进欧式距离聚类钢轨点云分割方法

线路点云数据结构化是深化专业计算与分析的技术前提。点云分割是点云数据结构化的基础。钢轨作为轮轨走行面,其空间位置的连续及平顺情况直接影响行车安全,因此轨道结构分割中,首先需对钢轨进行分割处理。针对传统欧式距离聚类中线路全景点云数据遍历导致距离阈值难统一、难界定,造成分类过多不易查找,或人工选取初始点及调参带来的自动化程度不高的情况,提出基于反射强度的改进欧式距离聚类钢轨点云分割方法。在对轨道结构特性分析的基础上,采用布料滤波算法进行地面滤波,区分地面点与地物点,精简线路点云为轨道结构点云;融合点云反射强度属性,提出提取率概念,确定钢轨高反射强度区间,进行钢轨顶面点云预分割,进而以轨顶面预分割点作为初始点,根据钢轨断面轨头高和轨头宽构造对角线长度来计算距离阈值,由Kd-Tree找到小于轨头距离阈值的点进行欧式距离聚类,实现对轨头凸集点云的分割。多路段钢轨点云分割试验,精确率及召回率均大于90%,说明该方法可行有效。

汉江汉中监测断面加权欧式距离法水质综合分析

根据《地表水环境质量标准》(GB 3838-2002)评价标准,选用Ⅰ类水质标准作为原点,利用变异系数法得到各评级因子指标权重,计算待评价因子的变权欧式距离,建立水环境质量评价空间,对比分析2023年汉中1月~12月水质断面监测成果与水质评价标准的加权欧式距离,以此确定其水质级别,旨在探讨加权欧式距离法在地表水水质分析中的应用。通过加权欧式距离法评价水质级别,水质状况总体呈现偏好趋势。

基于欧式距离对偶的对抗性无监督域适应算法研究

在无监督域适应中,对抗性训练框架验证了双分类器差异度量对迁移学习的重要性。经典的UDA算法采用类内差异来度量双分类器的距离,例如L-1范数和Kullback-Leibler散度。本文从几何角度出发,考虑欧式空间中的双分类器的分布,以及传统的双分类器算法的不足,提出了一种新的欧式对偶度量,并将其纳入到对抗性的UDA框架中。欧式对偶度量能够有效扩大双重分类器在假设空间中的分布。另外,本文也为欧式对偶度量的理论误差上届提供了理论依据。在公共UDA数据集上的实验表明,欧式对偶对抗算法在小规模数据集Digits、中规模数据集Office-31和大规模数据集VisDA的平均准确率分别为98.3%、87.8%和81.7%,很大程度上优于其他具有类内差异的双分类器UDA方法,并取得了与最先进方法相当的结果。

基于偏移角与欧式距离的声波驱动微粒控制算法

控制算法作为声波驱动微粒技术中的重要环节,极大影响着驱动任务的完成精度与速度.然而,目前的声波驱动微粒控制算法由于难以选择最佳的驱动声波,导致其控制精度较低且速度较慢.为了解决该问题,本文将声波驱动过程中微粒运动的偏移角与欧式距离相结合,设计了一种控制速度快、精度高的声波驱动微粒控制算法.该算法通过偏移角和微粒当前位置与目标位置的欧氏距离来计算驱动度并评估声波驱动效果的优劣,然后选择驱动效果最优的声波来驱动微粒.实验结果表明,本文算法在多种不同驱动任务上均能得到良好的控制速度与精度,尤其在较复杂的多微粒驱动任务上性能提升更为明显.

基于欧式距离聚类的自适应过采样方法

很多分类器难以识别不平衡数据中的少数类,给缺陷检测等众多应用带来了挑战。当前许多过采样方法虽可有效增加少数类样本,但却存在类重叠增加的风险。本研究提出了一种基于欧式距离聚类的自适应过采样方法。该方法采用基于欧式距离的构造覆盖算法对少数类进行聚类,然后自适应识别出相对安全和靠近分类边界的少数类聚类,再在此聚类内采用SMOTE采样步骤合成新少数类样本。通过10个不平衡数据集以及G-mean、F1-measure、AUC等指标验证。实验结果显示,与现有过采样方法相比,该方法在大多数数据集上,G-mean、F1-measure和AUC三个指标均最优。结果表明,本研究方法有效弥补现有分类的缺陷,获得较好分类结果。

欧式距离法在电阻率测深法找水有效性研究

在电阻率测深法找水资料处理解释时,通过多个测点电阻率曲线类型图与已知井位相对比,只能定性分析相似程度,在多条电阻率曲线类型和已知井位相似时,不好判断最佳井位。为了能从定量分析的角度解决这一问题,模糊数学中的欧式距离公式提供一种数学方法,以已知井位测量数据为标准样本,利用相对欧式距离法公式计算工作区测点测量数据与已知井位的距离值ε,距离值ε越小,测点越可能找到水。通过实测数据,利用欧式距离法进行计算处理,为打井优劣位置的选取提供了物探依据。通过井位抽水试验,达到了预定指标要求。结果表明,欧式距离法在电阻率测深法找水资料处理解释的有效性,证明欧式距离法在电阻率测深法找水确定最佳井位是行之有效的。

欧式距离与标准化欧式距离在k近邻算法中的比较

相似性度量是综合评定两个数据样本之间差异的指标,欧式距离是较为常用的相似性度量方法之一。本文分析了欧式距离与标准化的欧式距离在KNN算法中对数据分类的影响。仿真实验结果表明,当向量之间的各维度的尺度差别较大时,标准化的欧式距离较好地改善了分类的性能。

变权欧式距离模型在水质综合评价中的应用

在加权欧式距离模型的基础上进行改进,针对不同的待评价单元和不同污染性质的污染物,根据污染因子的污染贡献率计算其权重;以n个污染因子为坐标轴,以水质标准中的Ⅰ级水质作为n维空间的"原点",结合权重计算出每个待评价单元以及水质标准中其他各级水质与"原点"的变权欧式距离,并将后者作为划分每个待评价单元水质级别的标准,从而建立了适合水质综合评价的变权欧式距离模型。用该模型对1996-2006年钱塘江支流东阳江许村断面水质监测数据进行了综合评价,并与灰色聚类法和模糊综合指数法的评价结果进行比较,结果与水质实际情况符合较好,验证了变权欧式距离模型应用于水质综合评价的科学性和合理性。

矿井安全预评价的变权欧式距离模型的建立及应用研究

基于加权欧式距离模型,提出安全贡献率的概念,即通过利用影响煤矿安全状况的各指标因子对煤矿安全的贡献来确定测量估算数据中各相应因子的权重系数;并对与矿井相关安全指标分级标准进行适当的量化处理,从而建立起具有对煤矿自然安全状况进行提前评估功能的预评价模型———变权欧式距离模型。最后,应用该模型对黄陵二号井的自然安全状况进行了综合评价,并将评价结果与未确知测度模型、集对分析模型的评价结果进行比较,与煤矿实际情况符合较好。

基于改进欧式距离的硬件木马检测

传统欧式距离判别方法用于硬件木马检测时,存在判别准确率较低的问题。为此,分析芯片运行时的侧信道功耗信息,根据木马模块触发产生额外功耗的特征,提出一种指数变换改进方案。加入可调参数,以增大硬件木马的可识别度。实验结果表明,与传统欧氏距离判别法相比,参数可调的欧氏距离改进方案可使判别性能提升29%,且木马检测准确率高达98%。

旁路信号主成分分析的欧式距离硬件木马检测

针对集成电路中的硬件木马问题,利用旁路信号分析技术,设计了一种基于集成电路芯片的硬件木马检测模型.在对提取出的旁路信号进行主成分分析降维基础上,运用欧式距离分类法进行硬件木马的分类识别和检测.最后运用功耗分析的方法进行了算法有效性验证.

LBP直方图与PCA的欧式距离的人脸识别

基于LBP算子具有旋转不变性和灰度不变性等显著特点,本文通过LBP算子的特征提取,将人脸分成子区域,然后通过连接这些子区域的LBP直方图生成人脸特征向量,由于生成的特征向量的维数过高,通过PCA算法降维压缩,最后用欧式距离分类器完成测试样本和训练样本的人脸识别,通过实验比较得出很好的人脸识别效果,此人脸识别算法过程用于火车站等各种公共场合有很好的应用效果。

基于变权欧式距离模型的森林流域地表水水质评价

为满足经济建设对木材及木质产品日益增长的需求,我国人工林的种植面积快速增加,其中,华南地区的桉树（Eucalyptus L’Hérit.）人工林的发展速度极快,至2008年我国桉树林面积为260万hm2[1]。桉树人工林在我国国民经济中发挥了很大的经济、社会和生态效益[2-4];然而,部分桉树种植区的居民甚至少数政府部门人员认为桉树污染水体,

基于欧式距离法的变压器故障BBA模型建立与分析

针对变压器故障诊断中油溶气体技术的改良三比值法存在故障区域边界值判断模糊的问题,在分析改良三比值法的基础上,以欧式距离来表征隶属每种故障概率大小的形式,建立了不同故障下的基本信任分配函数(BBA)诊断模型进行变压器故障诊断,并采用D-S合成规则对不同故障的BBA进行融合,实现了对多BBA模型函数重新构造以及归一表述的功能。利用该模型对长春某500 k VA变电站的变压器故障进行实例计算,并通过改良三比值法和模糊算法进行对比分析。结果表明:该诊断模型能准确、有效地对变压器的多种常见故障进行诊断;用计算隶属故障概率的形式弥补了改良三比值法边界值计算模糊的缺陷,使故障的判别更加趋于真实准确,为电力变压器故障诊断提供了一种有效的方法。

饮用水源地水质评价的变权欧式距离模型的建立及应用

通过改进加权欧式距离模型,建立变权欧式距离模型,以体现相同水质评价因子在不同饮用水源评价单元中的客观各异性。采用污染贡献率确定评价因子在各评价单元中的权重。结合规范化数据建立符合各评价单元自身特点的评价距离尺度准则,对饮用水源地的水质进行评价。结果表明,与综合指数法比较,变权欧式距离模型的分割灵敏性较高、评价效果良好。本研究提供了一种符合饮用水质特点的科学评价方法。

基于图像欧式距离的KPCA SAR图像目标识别算法

针对传统KPCA方法识别SAR图像时需首先对图像进行拉直处理问题进行研究,借助于图像欧式距离,提出了一种基于图像欧式距离的核函数构建方法,给出了3种基于图像欧式距离的核函数,并将其应用SAR图像识别中。以实测MSTAR数据为例,给出了识别结果和仿真分析,结果证明了该算法能够有效克服传统KPCA方法的局限性,是一种可行的方法。

一种基于粗糙集和欧式距离的手机故障案例匹配算法

本文研究在云环境中手机故障案例检索时的案例匹配问题,提出了一种基于粗糙集和欧式距离的案例相似度匹配算法CMARE(Case Matching Algorithm based on Rough sets and Euclidean distance)。首先云计算平台收集手机故障参数,根据参数构建粗糙集信息表,利用粗糙集求出信息表里各案例特征参数的属性客观权重值并结合专家经验给出综合的属性权重值,最后利用此权重值和欧式距离计算案例间的相似度,找出案例库中与新案例最相似的案例。该算法的创新之处在于确定案例属性权重值时基于数据本身和人工经验,避免了过分依靠人工经验知识设定属性权重的不足;与规则推理方式不同,本文使用案例推理的方式。仿真实例说明了算法的有效性。

基于变权欧式距离的地下洞室岩体质量评价

通过对工程岩体分级标准适当地量化处理,得到新的相对等级距离标准,从而建立了新的岩体质量评价模型——变权欧式距离模型。应用该模型对岩体质量进行评价,能够准确地判断岩体的质量级别,同时能细化岩体处于岩体等级中的具体数值,为地下工程准确地判定岩体级别提了供参考。将变权欧式距离模型评价的结果与未确知测度理论模型和可拓方法评价的结果进行比较,基本一致,表明运用变权欧式距离模型对岩体质量进行评价有一定的合理性和科学适用性。

基于变权欧式距离模型的大气环境质量评价

通过利用待评价单元中各大气评价因子的环境污染贡献率确定相应因子的权重,并由此对每个待评单元衍生出适合其自身的距离等级评价准则,从而实现对加权欧式距离模型的改进,建立起大气质量评价的变权欧式距离模型。该模型由于使用更尊重客观实际的权重系数和评价准则,使模型更合理科学。最后,将该模型应用于大气环境质量评价实例中,并将本法与模糊综合评价的结果比较分析,获得良好的效果。

基于适应值欧式距离比的均衡蜂群算法

针对人工蜂群算法探索能力强但开发能力弱等特性,提出一种均衡蜂群算法。该算法根据"适应值欧式距离比"策略和差分算法改进更新公式,"适应值欧式距离比"策略有助于多峰问题的优化,而差分算法善于优化单峰问题,为发挥两者的优势,提出了一种新的搜索结构,有利于探索与开发能力达到平衡。在初始化时引入混沌策略提高种群多样性。在连续域内,12个标准测试函数的仿真结果表明,本算法能有效地提高最优解的精度,加快收敛速度。在离散域内,采用4个标准柔性作业车间调度模型,验证了本算法在解决实际问题中的可行性和优越性。